我一开始的想法是既然要找中位数，那肯定要排序，而且这个数据结构肯定要能动态的添加数据的，肯定不能用数组，于是我想到了用优先队列，它自己会排序都不用我写，所以addNum方法直接调用就可以，但是找中位数就很麻烦，它不能根据下标访问，于是我写了一个很屎的方法，把它poll到数组里面找到中位数后，再从数组放到优先队列中，代码如下：

class MedianFinder {private PriorityQueue<Integer> priorityQueue;/** initialize your data structure here. */public MedianFinder() {this.priorityQueue = new PriorityQueue<Integer>();}public void addNum(int num) {priorityQueue.add(num);}public double findMedian() {int size = priorityQueue.size();int[] arr = new int[size];for(int i=0;i<size;i++){arr[i] = priorityQueue.poll();}for(int i=0;i<size;i++){priorityQueue.add(arr[i]);}if(size%2 != 0){return (double)arr[((size+1)/2) -1];}else{double res = (arr[(size/2)-1] + arr[size/2])/2.0;return res;}}
}

 但是它超时了，题目的测试用例非常大，我就想肯定是找中位数的时候太繁琐了，于是就想到了用LinkedList，可以通过下标获取中位数，只需要自己写一个排序，我就想到用add(int index, E element)方法，每次添加的时候找到添加的位置，这样就一直是有序的，复杂度是O(n)，于是我又写了如下代码：

class MedianFinder {private LinkedList<Integer> list;/** initialize your data structure here. */public MedianFinder() {this.list = new LinkedList<Integer>();}public void addNum(int num) {int size = list.size();if(size == 0){list.add(num);return;}else{for(int i =0;i<size;i++){if(i==0 && num <= list.get(0)){list.addFirst(num);break;}else if(i==size-1 && num >= list.get(size-1)){list.addLast(num);break;}else if(num >= list.get(i) && num <= list.get(i+1)){list.add(i+1, num);break;}else{continue;}}}}public double findMedian() {int size = list.size();return size%2 !=0 ? list.get(((size+1)/2)-1)*1.0 : (list.get((size/2)-1)+list.get(size/2))/2.0;}
}

但是tmd我没想到这也能超时，真进行了5000次的调用，然后我又试了一下用二分查找添加，不行，看题解了。题解看完我只想说一个字，妙！他也是用的优先队列，但是他用了两个优先队列，一个queMax存大于中位数的数，queMin存小于等于中位数的数，如果总数的奇数，那么中位数就是queMin的队头，如果总数是偶数那么中位数就是queMin和queMax的队头的平均值，添加的时候如果num小于等于中位数就加到queMin中，这时候新的中位数可能会小于原来的中位数，就要把queMin的对头放到queMax中，如果num大于中位数同理。

class MedianFinder {private PriorityQueue<Integer> queMin;private PriorityQueue<Integer> queMax;/** initialize your data structure here. */public MedianFinder() {queMin = new PriorityQueue<Integer>((a, b) -> (b - a));queMax = new PriorityQueue<Integer>((a, b) -> (a - b));}public void addNum(int num) {if(queMin.isEmpty() || num <= queMin.peek()){queMin.offer(num);if(queMax.size() + 1 < queMin.size()){queMax.offer(queMin.poll());}}else{queMax.offer(num);if(queMax.size() > queMin.size()){queMin.offer(queMax.poll());}}}public double findMedian() {if(queMin.size() > queMax.size()){return queMin.peek();}return (queMax.peek() + queMin.peek()) / 2.0;}
}

需要注意的是两个队列的排序方法不一样，queMin是队头最大，从大到小排，queMax是队头最小，从小到大排。所以看到两个优先队列的初始化方法是不一样的，lambda表达式中queMin的返回结果是b-a，而queMax是a-b。